从门店经营简报拆解可自动化与需人工判断的任务，结合国际劳工组织职业暴露研究讨论个人如何做一周验证。
办公室里最容易吵起来的问题是：AI到底会不会把这份工作做没？先把问题缩小。你不必预测整个行业，只要摊开昨天的日历，看看交付件是怎么做出来的。整理原始材料、解释异常、和另一部门确认口径，虽然都挂在一个岗位名下，交给工具的难度却不同。
先看一项任务到底交付什么
假设你做的是门店运营，周一要交一份经营简报。用表格汇总交易笔数，是可明确写出输入和输出的任务。解释某家门店为什么退货变多，需要知道活动规则是否变化，还可能得找店长确认。最后给出暂停促销的建议，则涉及谁可以决定、谁承担结果。把三件事都叫作“写周报”，很容易高估工具能独立处理的范围。
用一张纸把工作分成几行，每行写下输入、成品、接收人和错误后果。再问：少一个字段能否自动补齐？遇到例外谁能判断？哪些数据不能交给外部系统？如果答不上来，这一行需要先理清流程，再谈是否采用AI。
如果想把训练结果留下来，可参照AI时代的职业能力证据。
研究里的暴露是工作内容可能受影响
国际劳工组织2025年的指数从职业任务入手，评估生成式AI的潜在影响程度。它使用分层估计，各职业内部也有差异。技术接触的可能性与企业是否采购、是否让它接触真实数据、是否改变招聘计划，各是不同的判断。读到职业暴露比例时，不能直接换算成裁员人数，也不能用全球职业估算给一家具体企业下结论。
国务院办公厅2026年10月公布的就业友好型发展意见，讨论了技术赋能与减缓就业替代影响。对正在上班的人，更可操作的读法是看自己在哪个环节拥有判断、沟通或纠错责任。若两个人职称相同，一个只负责搬运数字，一个负责发现经营异常，他们的能力补课方向很可能不同。
设计练习时也可以看看岗位培训的基础能力观察。
用一周做一次低成本验证
从不会直接对外发布的一项任务开始。找一份可以合法使用的练习材料，先自己做一遍，再让工具生成草稿。记录缺漏在哪里、复查花了多久、什么情况必须找同事。下周换一份数据，看之前总结的方法是否仍然适用。练习中的时间差仅说明这次任务与材料下发生了什么，做不得全行业效率承诺。
如果最耗时的是核对口径，可以补训练数据辨别。如果最难的是把风险讲给业务同事听，就练用清楚的因果叙述解释异动。用这种方式决定下一门课，比只凭“AI岗位热”去收藏教程更容易选准方向。
练习结束，可以只留下几种经常出现的错误及处理办法。比如同一字段在两张表中的定义不同，工具每次都会合并错，就把定义放在练习开始处，并用一条反例检查。转到新部门时，拿一份新报表再试。这样形成的是可以迁移的业务技能，也能帮团队决定哪些步骤值得继续试用。尤其要记下出现错误时应该找谁核实，因为这往往比背一条提示词更能缩短交付时间。